Аналитические технологии

Оглавление

Тематика и график лекций

Высшего профессионального образования

Федеральное государственное автономное образовательное учреждение

«Казанский (Приволжский) федеральный университет»

Структурное подразделение философский факультет, кафедра социальной философии

Фамилия, имя, отчество Кристоф Вульф

Должность , руководитель Центра исторической антропологии Свободного ун-та Берлина

Ученая степень, звание профессор

Страна, город, название организации приглашенного Германия, Берлин, Свободный университет г. Берлина________________________

№	Тема	Количество часов	Дата	Аудитория
1.	Эволюционная антропология/ философская антропология. Универсальные перспективы		25.10, 14-40	2.физ
2.	Историческая антропология /Культурная антропология. Частные перспективы		25.10, 16-10	342, гл.з
3.	Логика и страсть. Трансдисциплинарный и транскультурный подход		25.10, 17-40	019, гл.з
	Человеческое тело. Ожидание смерти и воспоминание о рождении		26.10, 16-10	355, гл.з
	Динамика и перформативность ритуалов. Берлинская школа изучения ритуалов		26.10, 17-40	355, гл.з
	Жесты: мизансцена, постановка, практика		26.10, 19-00	355, гл.з
	Как создается семейное счастье? Этнографические исследования в Германии и Японии		27.10, 13-05	342, гл.з
	Культурное обучение как миметическое обучение		27.10, 16-10	342, гл.з
	Миметическое творчество и поддержание эмоций. Похороны Майкла Джексона		27.10, 17-40	2.физ
	Создание человеческого измерения посредством воображения		28.10, 10-00	Конф.-зал библиотеки
к	Образование в глобализирующемся мире. Межкультурная задача		28.10, 11-30	Конф.-зал библиотеки
	Риски и вызовы будущего. Образование за мир, культурное разнообразие и устойчивое развитие		28.10, 14-30	Конф.-зал библиотеки

Аналитические технологии.. 4

Детерминированные технологии.. 4

Вероятностные технологии.. 4

Новые технологии.. 4

Искусственные нейронные сети.. 5

Принципы работы человеческого мозга. 5

Формализация нейронных сетей.. 6

Принцип обучения искусственных нейронных сетей.. 11

Концепция обучения нейронной сети, предложенная Хэбом.. 12

Сбор данных для нейронной сети.. 12

Прикладные возможности нейронных сетей.. 13

Переобучение и обобщение. 14

Персептрон.. 14

Алгоритм обратного распространения ошибки.. 16

Сигмоидальный нейрон.. 18

Нейрон типа «адалайн». 20

Инстар и оутстар Гроссберга. 22

Нейрон типа WTA (Winner Takes All). 25

Модель нейрона Хэбба. 26

Стохастическая модель нейрона. 27

Стохастические алгоритмы обучения.. 28

Настройка числа нейронов в скрытых слоях многослойных сетей в процессе обучения.. 31

Алгоритмы сокращения.. 31

Конструктивные алгоритмы... 32

Упрощенные алгоритмы расщепления.. 33

Радиальная базисная сеть.. 33

Вероятностные нейронные сети.. 35

Линейные нейронные сети.. 36

Обучение. 37

Сети с самоорганизацией на основе конкуренции.. 38

Модели ассоциативной памяти. Сети Хопфилда. 42

Когнитивные карты... 45

Генетические алгоритмы... 48

Естественный отбор и генетическое наследование. 48

Модель эволюции в природе, реализованная программно.. 48

Символьная модель простого генетического алгоритма. 50

Работа простого генетического алгоритма. 50

Шима (Schema). 50

Применение аналитических технологий.. 53

Список литературы... 54

Аналитические технологии – это методики, которые на основе моделей, алгоритмов, математических теорем позволяют по известным данным оценить значение неизвестных характеристик и параметров.

Аналитические технологии позволяют решать не только хорошо формализованные задачи, но и обучаться решению новых задач.

Аналитические технологии делятся на:

1. Детерминированные;

2. Вероятностные;

3. Новые технологии: искусственные нейронные сети и генетические алгоритмы.